python自动整理发票脚本

python_invoice.py

@@ -0,0 +1,160 @@
+from openpyxl import Workbook
+from PyPDF2 import PdfMerger
+from datetime import datetime
+import pymupdf as pdf
+import pytesseract
+import pdfplumber
+import os
+import re
+
+
+
+
+def rename_pdf():
+    """对所有的单个pdf文件按照金额进行重命名"""
+    for i in range (invoice_num):
+        text = ''#定义一个接收发票数据的控字符串
+        tem_list1 = []
+        tem_list2 = []
+        with pdf.open(os.listdir()[i]) as file:
+            for j in file:
+                tem_text = j.get_text()
+                text += tem_text
+                tem_text.strip()
+                tem_list1.append(tem_text)
+        #筛选出单张发票中金额最大的且带有人民币符号的即为发票金额
+        if '¥' in text:
+            tem_list1 = text.split('\n')
+            for k in range(len(tem_list1)):
+                if '¥' in tem_list1[k]:
+                    num_str = tem_list1[k].strip("(小写) ").strip().strip("¥").strip()
+                    tem_list2.append(float(num_str))
+        elif '￥' in text:
+            tem_list1 = text.split('\n')
+            for k in range(len(tem_list1)):
+                if '￥' in tem_list1[k]:
+                    num_str = tem_list1[k].strip("(小写) ").strip().strip('￥').strip()
+                    tem_list2.append(float(num_str))
+        #图片扫描获得的pdf文件暂时不支持
+        elif text == '':
+            print("第",(i+1),"张名称为",os.listdir()[i],"的发票是扫描版pdf,而非电脑生成pdf,此脚本暂时不支持这种模式",sep = '')#表示这不是电脑生成的pdf，而是扫描版的pdf无法提取出内容
+            print('再次声明该脚本暂时不支持该发票文件，该发票文件也不会计入总pdf文件及总金额之中，请在https://github.com/ZPENG0614/invoice_auto.git中提出issues或是自行修改后提出PR',sep = '')
+            tem_list2 = [888888888]
+        else:
+            print("第",(i+1),"张名称为",os.listdir()[i],"发生未知异常,请在https://github.com/ZPENG0614/invoice_auto.git中提出issues或是自行修改后提出PR")
+            tem_list2 = [888888888]
+        #对于所有支持的文件（电脑生成的PDF）进行重命名
+        if text != '':
+            current_time = datetime.now()
+            # 格式化输出（年-月-日 时:分:秒）
+            # formatted_time = current_time.strftime("%Y-%m-%d %H:%M:%S")
+            # 获取当前时间并格式化（替换掉冒号）
+            current_time = datetime.now().strftime("%Y-%m-%d %H-%M-%S.%f")
+            os.rename(os.listdir()[i],str(max(tem_list2))+'    '+str(current_time)+'.pdf')
+            pdfs_num.append(str(max(tem_list2))+'    '+str(current_time))
+            pdfs_money.append(max(tem_list2))
+            pdfs_num.sort()
+            pdfs_money.sort(key = float)
+
+
+#
+# def extract_scanned_pdf(order,lang = 'chi_sim'):
+#     """目前该函数必须依靠外部引擎才能正常工作，无法成为广泛适用的python脚本，待修改......
+#         该函数的目的是泛化脚本，使其支持扫描获得的PDF文件
+#     """
+#     text = ''
+#     with pdfplumber.open(os.listdir()[order]) as pdfs:
+#         for page in pdfs.pages:
+#             # 1. 页面转为图片（可加参数：如crop裁剪区域）
+#             img = page.to_image(resolution=300).original  # resolution=300提升清晰度
+#             # 2. OCR识别
+#             text += pytesseract.image_to_string(img, lang=lang) + "\n\n"
+#     return text
+
+
+
+
+
+
+
+def merge_pdf():
+    """合并重命名之后的单个pdf文件"""
+
+    # 创建合并器对象
+    merger = PdfMerger()
+    pdfs_list = os.listdir()
+    # 用于存储（数字, 文件名）的列表
+    sorted_items = []
+
+    for line in pdfs_list:
+        # 正则提取前面的数字和文件名，\s+匹配一个或多个空白字符
+        match = re.match(r'^(\d+\.?\d*)\s+(.*)$', line)
+        if match:
+            number = float(match.group(1))  # 转换为浮点数以便排序
+            filename = match.group(2)
+            sorted_items.append((number, filename))
+
+    # 按数字升序排序
+    sorted_items.sort(key=lambda x: x[0])
+
+    # 提取排序后的文件名
+    sorted_filenames = [str(item[0])+'    '+item[1] for item in sorted_items]
+
+    # 打印结果
+    for filename in sorted_filenames:
+        merger.append(filename)
+
+    os.chdir('..')
+    # 保存合并后的文件
+    merger.write("合并后pdf文件.pdf")
+    merger.close()
+
+
+
+def excel_pdf():
+    """生成一个excel表格，统计发票的数据"""
+    """创建Excel文件并写入数据"""
+    # 创建工作簿对象
+    wb = Workbook()
+    # 获取默认的活动工作表（第一个工作表）
+    ws = wb.active
+    # 给工作表命名
+
+    ws.title = "发票金额汇总"
+    ws['A1'] = '发票金额'
+    ws['C3'] = '发票张数'
+    ws['C4'] = '发票总金额'
+    #依次写入发票的金额数据
+    for i in range(len(pdfs_num)):
+        ws['A'+str(i+2)] = str(pdfs_money[i])
+    ws['D3'] = str(invoice_num+1)#发票张数
+    ws['D4'] = str(sum(pdfs_money))#发票总金额
+    # 保存文件
+    wb.save('发票金额数据.xlsx')
+
+
+if __name__ == '__main__':
+#上一行代码决定了这段程序的运行方式。
+#1、直接运行，内置变量__name__将被赋值为__main__,条件成立直接执行
+#2、作为模块导入到其他的模块之中，内置变量__name__将被赋值为文件名（不加.py），条件不成立
+    print('\n')
+    print("使用方法：将所有发票pdf文件放到名为发票的文件夹中，然后将发票助手与发票文件夹放入同一级目录下，再次运行程序即可")
+    print("说明：该程序仅支持电脑自动生成的PDF，不支持扫描的PDF，对于扫描的PDF该程序不会进行任何操作")
+    print("按enter键开始运行：entering.........")
+    print("按q键退出.........")
+    user_input = input()
+    if user_input == '':
+        print("程序运行中.......")
+        print('\n')
+        current_path = os.getcwd()  # 获取当前脚本所在目录
+        os.chdir("发票")  # 进入发票目录，以提取相关信息
+        invoice_num = len(os.listdir())  # 获取当前发票文件的数量
+        pdfs_num = []  # 用来存储发票名称的列表
+        pdfs_money = []  # 用来存储发票金额的列表
+        rename_pdf()  # 对所有的发票重命名
+        merge_pdf()  # 合并所有的发票
+        excel_pdf()  # 将发票数据写入exl文件
+        print('\n')
+        input("已完成，按回车键退出>>>>>>")
+    elif user_input == 'q':
+        print("程序关闭")